来源：期刊VIP网 时间：
作者：惠阿丽;周睿香;韦鹏;魏礼鹏;荣相;
单位：西安科技大学电气与控制工程学院;中煤科工集团常州研究院有限公司;天地(常州)自动化股份有限公司;
摘要：针对煤矿井下电动机复杂工况下单一信号（电流、振动）故障诊断精度有限、多故障并存导致识别困难的问题，基于机电耦合特性及多传感器信息互补性，提出基于电-振信号联合的电动机故障诊断方法。分别对电动机电流信号和振动信号在时域、频域和时频域内捕获故障信息，在通道维度上融合生成包含多域信息的特征彩色图像，丰富故障表征信息。构建了一种嵌入改进卷积块注意力模块（ICBAM）的双通道残差网络（DCResNet）模型ICBAM-DCResNet，通过多层残差块和ICBAM的注意力机制，挖掘图像样本的深层特征，最后进行融合并实现分类，实现电-振信号联合的故障诊断。对比实验结果表明，多域融合相比单一分析域诊断精度更高，ICBAM-DCResNet模型比深度残差网络（ResNet）模型性能更好，对信号样本的特征提取能力更强。在公开数据集上的实验结果表明，基于电-振信号联合的电动机故障诊断方法的准确率达99.8%，对转子故障和轴承故障均能取得不错的识别效果，泛化性较好。
关键词：电动机故障诊断;;电流信号;;振动信号;;多域特征提取;;双通道残差网络;;卷积块注意力模块
基金资助：陕西省重点研发计划项目（2024GX-YBXM-243）;; 中国煤炭科工集团双创基金项目（2023-TD-MS005）
